九款分词器在印度语言上的Token差异测量
热点事件持续更新
九款分词器在印度语言上的Token差异测量
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Johin Johny Arimbur 等作者发布论文，测量了 GPT-4、GPT-4o、Qwen2.5、DeepSeek-V3、Mistral-Nemo 及四款 Sarvam 模型共九款公开 tokenizer 在印度 25 种语言上的 token 开销差异。 测量基于 FLORES-200 中印度全部 25 种语言的 2,009 句专业译句（与英文对齐），以及 PHINC 中 13,732 对人工翻译的 Hinglish-英语社交媒体文本。作者称，所得成本为估算值，并非实际生产环境测得的成本。
AI 根据报道生成 · 58 分钟前更新
最新进展11月11日 13:00
2026 年印度语言 Token 税：九款公开 tokenizer 的 Token 差异与成本测算报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.CL2026 年印度语言 Token 税：九款公开 tokenizer 的 Token 差异与成本测算
研究测量了 GPT-4、GPT-4o、Qwen2.5、DeepSeek-V3、Mistral-Nemo 及四款 Sarvam 模型共九款 tokenizer 在印度 25 种语言上的 Token 开销差异。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。